本文關鍵詞：基于智能優(yōu)化算法的期權定價模型參數(shù)估計，由筆耕文化傳播整理發(fā)布。

【摘要】：金融工程研究的主要對象之一就是衍生證券,期權(option)是最重要的衍生證券之一。期權,又稱選擇權,是購買方支付一定的期權費后所獲得的在將來允許的時間買入或者賣出一定數(shù)量的基礎商品的選擇權。期權定價理論是現(xiàn)代金融學的重要組成部分,Black-Scholes期權定價模型是現(xiàn)代期權定價理論的基石。本文對Black-Scholes期權定價模型進行了探討,由于模型的非線性,解析方法很難精確得到其參數(shù)r和σ的值,本文采用智能優(yōu)化算法隨機搜索的特點對Black-Scholes期權定價模型中的參數(shù)進行估計。 本文主要分為五部分:緒論部分介紹課題的研究背景、意義以及本文的主要研究工作。第二部分詳細介紹期權的概念,分類,期權價格及其構成,影響期權價格的因素,Black-Scholes期權定價模型以及Black-Scholes微分方程的推導。第三部分主要介紹粒子群優(yōu)化算法(PSO)、量子行為粒子群算法(QPSO)、差分進化算法(DE)和進化策略(ES)的原理及算法流程。第四部分首先運用有限差分法求解期權價格,其次運用智能優(yōu)化算法對Black-Scholes模型中的兩個參數(shù)r和σ進行估計,實驗結果表明,QPSO算法在解決期權定價模型參數(shù)估計的問題上優(yōu)于其他三種智能算法。第五部分是本文的結論部分。
【關鍵詞】：期權 Black-Scholes期權定價模型 有限差分法 智能優(yōu)化算法 參數(shù)估計
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：TP301.6;F224;F830.9
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-11
• 1.1 課題背景及意義7-10
• 1.1.1 期權定價理論研究概況7-8
• 1.1.2 智能優(yōu)化算法研究概況8-9
• 1.1.3 智能優(yōu)化算法在期權市場中的應用9-10
• 1.2 本文主要研究工作及章節(jié)安排10-11
• 第二章 期權以及B-S 期權定價模型11-20
• 2.1 期權概念11-12
• 2.2 期權分類12-14
• 2.3 期權價格及其構成14
• 2.4 影響期權價格的因素14-16
• 2.5 B-S 期權定價模型16-17
• 2.6 B-S 微分方程的推導17-19
• 2.7 本章小結19-20
• 第三章 智能優(yōu)化算法20-35
• 3.1 引言20
• 3.2 智能優(yōu)化算法概述20
• 3.3 粒子群優(yōu)化算法20-24
• 3.3.1 粒子群優(yōu)化算法的簡介20-21
• 3.3.2 基本粒子群優(yōu)化算法21-23
• 3.3.3 標準粒子群優(yōu)化算法23
• 3.3.4 標準粒子群算法的參數(shù)分析23-24
• 3.3.5 粒子群優(yōu)化算法的特性24
• 3.4 量子行為粒子群算法24-26
• 3.4.1 量子行為粒子群算法的簡介24
• 3.4.2 量子行為粒子群算法的原理24-25
• 3.4.3 量子行為粒子群算法流程25
• 3.4.4 量子行為粒子群算法的特性25-26
• 3.5 差分進化算法26-29
• 3.5.1 差分進化算法簡介26
• 3.5.2 差分進化算法原理26-28
• 3.5.3 差分進化算法流程28-29
• 3.5.4 差分進化算法特性29
• 3.6 進化策略29-33
• 3.6.1 進化策略簡介29-31
• 3.6.2 進化策略及其算法流程31-32
• 3.6.3 進化策略的特點32-33
• 3.7 本章小結33-35
• 第四章 基于智能優(yōu)化算法的期權定價參數(shù)估計35-50
• 4.1 引言35
• 4.2 數(shù)值方法求解期權價格35-40
• 4.2.1 有限差分法35-37
• 4.2.2 追趕法求解三對角方程組37-39
• 4.2.3 實驗結果與分析39-40
• 4.3 期權定價模型參數(shù)估計的智能算法研究40-49
• 4.3.1 參數(shù)估計40-41
• 4.3.2 算法設計41
• 4.3.3 實驗結果與分析41-49
• 4.4 本章小結49-50
• 第五章 結論與展望50-51
• 5.1 課題結論50
• 5.2 課題研究過程中的一些問題50
• 5.3 課題展望50-51
• 致謝51-52
• 參考文獻52-56
• 附錄：作者在攻讀碩士學位期間發(fā)表的論文56

【引證文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 徐飛;基于混合核函數(shù)的LSSVM發(fā)酵建模[D];大連理工大學;2012年

2 遲文龍;基于FSVM的煤層氣單井故障診斷研究[D];大連理工大學;2013年

3 劉付永;螢火蟲群算法改進及應用[D];廣西民族大學;2013年

  本文關鍵詞：基于智能優(yōu)化算法的期權定價模型參數(shù)估計，由筆耕文化傳播整理發(fā)布。

，

本文編號：504316